Как искусственный интеллект помогает промышленности

Опубликовано 26 августа, 2019
На заводе НЛМК в Липецке разработан специальный софт с элементами искусственного интеллекта, который позволяет найти «узкие места» в цепочке производства

На заводе НЛМК в Липецке разработан специальный софт с элементами ИИ, который позволяет найти «узкие места» в цепочке производства / Фото: НЛМК

Искусственный интеллект сегодня способен вывести заводы на совершенно иной уровень доходности. С его помощью можно улучшить любой процесс – от проектирования будущего продукта до его доставки конечному покупателю. Более того, ИИ сегодня под силу оценить в целом работу предприятия и подсказать руководителю, в каком направлении двигаться дальше.

Ведущие исследовательские компании считают искусственный интеллект технологией, способной, ни много ни мало, изменить мир. Консалтинговое агентство PwC рассчитало, что через десять лет благодаря ИИ мировой ВВП вырастет на $15,7 трлн. Рост в денежном выражении настолько велик, что сегодня совокупный объем промышленного производства лидеров отрасли Китая и Индии не дотягивает до этой цифры. Другие исследователи из Gartner вычислили, что к 2021 году искусственный интеллект может сэкономить производствам более 6,2 млрд рабочих часов людей. В деньгах это порядка $2,9 трлн. Столь масштабная экономия возможна, в первую очередь, благодаря «гибкости» технологии – ее можно применять практически на любом этапе создания продукта.

Куда утекают деньги

Вариантов использования искусственного интеллекта в промышленности масса. Одно из крупнейших металлургических предприятий — Новолипецкий металлургический комбинат (НЛМК), развивает у себя целый технологический кластер, задача которого обнаруживать «узкие места» в производстве и искать способы их устранения. Поиском «проблем» занимаются специалисты НЛМК, а их решением – разработанный на заводе софт с элементами ИИ. Претенденты на оптимизацию искусственным интеллектом выбираются по ряду критериев: по степени экономического эффекта, по скорости реализации и, в конце концов, по наличию данных. У комбината самой затратной и самой «легко исправляемой» оказалась закупка сырья. В компании используются дорогостоящие материалы, вроде ферросплавов. Если подходить к процессу с умом, можно сильно сэкономить. Вторым кандидатом на улучшение стал сам производственный процесс. Оказалось, что станки подолгу простаивают. На третьем месте стоит повышение качества продукции, а именно поиск «глубинных» причин возникновения брака. На сегодняшний день в компании одновременно оптимизируют около десяти процессов. Лучшие результаты у трех: закупки материалов, управления ТЭЦ и контроль образования дефектов.

Крупный отечественный игрок в машиностроении – Кировский завод, вложился в разработку программы, способной ответить на вопрос, почему простаивает оборудование. Причина, по которой предприятие решилось на этот шаг, крылась в низкой эффективности работы станков – на уровне 27-30%. С помощью софта в компании планировали поднять эти цифры как минимум до 80%. Собрать информацию о причинах простоев помог чат-бот. Как только датчик фиксировал простой, на телефон оператора приходило сообщение с просьбой выбрать из списка причину остановки оборудования. Если оператор не отвечал, сообщение приходило мастеру и так далее по списку вплоть до директора. По подсчетам предприятия, такой подход позволил сократить время простоя с 24 часов в неделю до одного.

Иногда, чтобы оптимизировать производство, нужно не просто «латать дыры» в самых узких местах, а подходить к задаче глобально, считает Владимир Кутергин, председатель совета директоров компании BFG Group (компания разрабатывает решения на базе искусственного интеллекта). IT-решение компании оценивает работу производства в целом, а затем предлагает варианты для улучшений. «Мы работали на литейном заводе «КамАЗа». Производство, построенное еще в советское время, было рассчитано на выпуск 150 тыс. автомобилей ежегодно. Но сегодня там выпускалось не более 30 тыс. В компании ломали голову, что делать с убыточным заводом. Приглашали консультантов из-за границы», — рассказывает Кутергин. Софт BFG Group, проанализировав ситуацию на производстве, предложил два варианта – либо сократить персонал в два раза, либо за полмесяца выполнять месячную программу, а в остальное время выполнять сторонние заказы. На практике это значило удвоить или даже утроить объемы производства. Как отмечает Кутергин, в компании «КамАЗ» решили пойти по второму пути. Сейчас амбициозный план, предложенный искусственным интеллектом, находится в процессе реализации.

Еще один довод в пользу глобального подхода – распространенность ситуаций, когда деньги утекают не из-за проблем в производственном процессе. «На некоторых предприятиях до 95% составляет именно непроизводственное время – закупка материалов, логистика и другое. Оставшиеся 5% — время, когда непосредственно изготавливается продукция на станках. Если сконцентрироваться исключительно на повышении производительности, можно увеличить прибыль на 2-2,5%, не более. Но если работать над непроизводственными процессами – до 60-70%», — объясняет Кутергин.

Инновации буксуют

В России сегодня разработки на базе искусственного интеллекта активнее всего используются в авиа-, машино- и приборостроении. На этот сектор приходится 44%, выяснили в ходе исследования компания «Цифра» и Минпромторг. 22% приходятся на организации в области металлургии, химии, нефтехимии, нефтепереработки и нефтедобычи. Еще 11% — в электроэнергетических компаниях. К 2021 году рынок решений на базе ИИ для промышленности будет составлять $380 млн, говорится в исследовании.

Однако у технологии есть сдерживающие факторы: несмотря на высокую эффективность, решения кажутся промышленникам слишком сложными и дорогими. У половины российских предприятий (55%) на внедрение инновационных технологий заложено менее 1% бюджета. Единицы предприятий (6%) тратят более 5% бюджета. Не удивительно, что пионерами в этом направлении становятся крупнейшие игроки своих отраслей, вроде НЛМК или «Русал».
Сейчас в мире ситуация не намного лучше: по подсчетам компании Gartner подобные технологии работают не более чем в 6% производств. Впрочем, в Gartner уверены, все поменяется уже в ближайшем будущем.